ക്വാളിറ്റി അഷ്വറൻസ് (ക്യുഎ), ഡീബഗ്ഗിംഗ്, ഓട്ടോമേറ്റഡ് ടെസ്റ്റിംഗ്

നേട്ടങ്ങൾ:

• ഫങ്ഷണൽ, റിഗ്രഷൻ, എഡ്ജ് കേസ്, ക്രാഷ് ടെസ്റ്റ് ലെയറുകൾ എന്നിവ മനസിലാക്കാനും ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിച്ച് ടെസ്റ്റ് സാഹചര്യങ്ങളും എഡ്ജ് കേസ് ലിസ്റ്റുകളും നിർമ്മിക്കാനുമുള്ള കഴിവ്
• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിച്ച് ഓട്ടോമാറ്റിക് ടെസ്റ്റ് കോഡ് എഴുതി ലോഗ്, ക്രാഷ് അനാലിസിസ് പാറ്റേണുകൾ എക്‌സ്‌ട്രാക്‌റ്റ് ചെയ്‌ത് ഡീബഗ്ഗിംഗ് ത്വരിതപ്പെടുത്താനുള്ള കഴിവ്
• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ പിശക് രോഗനിർണയം തെളിവുകളല്ല, സിദ്ധാന്തമാണെന്ന് മനസ്സിലാക്കാൻ കഴിയണമെങ്കിൽ, കാരണം ലോഗുകളും പുനരുൽപാദനവും ഉപയോഗിച്ച് തെളിയിക്കേണ്ടതുണ്ട്, കൂടാതെ പിശക് റിപ്പോർട്ടിൻ്റെ പ്രാധാന്യവും പുനർനിർമ്മിക്കാവുന്നതാണ്.

ഒരു ഗെയിം റിലീസ് ചെയ്യുമ്പോൾ, ഡെവലപ്പർ സങ്കൽപ്പിക്കാത്ത രീതിയിൽ കളിക്കാർ അത് കളിക്കുന്നു: ചുവരുകളിൽ കുടുങ്ങുക, സാധനങ്ങൾ ചൂഷണം ചെയ്യുക, അസാധ്യമായ സ്ഥലങ്ങളിൽ എത്തുക, ക്രാഷുകൾ ട്രിഗർ ചെയ്യുക. ക്വാളിറ്റി അഷ്വറൻസ് (ക്യുഎ - ഗുണമേന്മ ഉറപ്പ്); റിലീസിന് മുമ്പ് ഗെയിം ആസൂത്രിതമായി പരീക്ഷിക്കുകയും പിശകുകൾ (ബഗുകൾ), ക്രാഷുകൾ, അസ്ഥിരതകൾ, മോശം അനുഭവങ്ങൾ എന്നിവ കണ്ടെത്തുകയും പരിഹരിക്കുകയും ചെയ്യുന്ന പ്രക്രിയയാണിത്. ഗെയിം ഉൽപ്പാദനത്തിലെ ഏറ്റവും അധ്വാനമുള്ളതും എന്നാൽ നിർണായകവുമായ ലിങ്കുകളിൽ ഒന്നാണിത്. ടെസ്റ്റ് കേസ് ജനറേഷൻ, ബഗ് റിപ്പോർട്ട് വിശകലനം, ലോഗ് റിവ്യൂ, ഓട്ടോമാറ്റിക് ടെസ്റ്റ് കോഡ് റൈറ്റിംഗ്, ഡീബഗ്ഗിംഗ്, പ്രൊഡക്ഷൻ സ്റ്റെപ്പുകൾ റിഫൈനിംഗ് എന്നിങ്ങനെ പല ഘട്ടങ്ങളിലും AI QA ത്വരിതപ്പെടുത്തുന്നു. എന്നാൽ AI ഒരു ഹ്യൂമൻ ടെസ്റ്ററുടെ അവബോധത്തിനും ഗെയിം ഫീലിൻ്റെ വിലയിരുത്തലിനും പകരം വയ്ക്കുന്നില്ല.

ക്യുഎയിലും ഡീബഗ്ഗിംഗിലും AI എങ്ങനെ ഉപയോഗിക്കാമെന്ന് ഈ യൂണിറ്റിൽ നിങ്ങൾ പഠിക്കും; ടെസ്റ്റ് സീനാരിയോ ഡിസൈൻ, ലോഗ് അനാലിസിസ്, ഓട്ടോമാറ്റിക് ടെസ്റ്റ് റൈറ്റിംഗ്, പിശക് റിപ്പോർട്ടിംഗ് അച്ചടക്കം എന്നിവ നിങ്ങൾ പഠിക്കും.

ക്യുഎയുടെ പാളികളും എഐയുടെ സ്ഥലവും

ക്യുഎ മൾട്ടി-ലെയറാണ്. പ്രവർത്തനപരമായ പരിശോധന: സവിശേഷത പ്രവർത്തിക്കുന്നുണ്ടോ (വാതിൽ തുറക്കുന്നുണ്ടോ, റെക്കോർഡിംഗ് ലോഡ് ചെയ്യുന്നു). റിഗ്രഷൻ ടെസ്റ്റിംഗ്: പുതിയ മാറ്റം മുമ്പ് പ്രവർത്തിച്ചിരുന്നതിനെ തകർത്തോ? എഡ്ജ് കേസ് ടെസ്റ്റിംഗ്: അസാധാരണമായ ഇൻപുട്ടുകൾ (ഇൻവെൻ്ററി പുനഃസജ്ജമാക്കുക, ഒരേസമയം രണ്ട് കീകൾ, ബോർഡർലൈൻ മൂല്യങ്ങൾ). പ്രകടനം/ക്രാഷ് ടെസ്റ്റിംഗ്: ഗെയിം സ്ഥിരതയുള്ളതാണ്. ഗെയിംപ്ലേ/പരിചയ പരീക്ഷ: രസകരവും അവബോധജന്യവുമാണ്. ആദ്യ നാലിൽ AI ശക്തമാണ്: സാഹചര്യങ്ങൾ സൃഷ്ടിക്കുന്നു, എഡ്ജ് കേസുകൾ ലിസ്റ്റുചെയ്യുന്നു, ടെസ്റ്റ് കോഡ് എഴുതുന്നു, ലോഗുകൾ വിശകലനം ചെയ്യുന്നു. അവസാനത്തെ-അനുഭവം-മനുഷ്യൻ്റേതാണ്.

ഘട്ടം ഘട്ടമായുള്ള QA ഫ്ലോ:

1. ടെസ്റ്റ് കേസുകൾ ജനറേറ്റ് ചെയ്യുക (എഐ ഉള്ള ഫങ്ഷണൽ, എഡ്ജ് കേസ് ലിസ്റ്റ്).
2. ഓട്ടോമേറ്റഡ് ടെസ്റ്റിംഗ് എഴുതുക (ആവർത്തിച്ചുള്ള പരിശോധനകൾക്കുള്ള കോഡ്).
3. പ്രവർത്തിപ്പിക്കുക, ശേഖരിക്കുക (ലോഗ് പിശകുകൾ, ലോഗുകൾ, ക്രാഷുകൾ).
4. വിശകലനം ചെയ്യുക (എഐ ഉപയോഗിച്ച് ലോഗും പിശക് പാറ്റേണും പരിശോധിക്കുക).
5. റിപ്പോർട്ടുചെയ്‌ത് സ്ഥിരീകരിക്കുക (വ്യക്തവും പുനർനിർമ്മിക്കാവുന്നതുമായ ബഗ് റിപ്പോർട്ട്; പരിശോധന പരിഹരിക്കുക).

സൂചന: ഡിസൈനർ അവൻ്റെ ഗെയിം "വലത്" കളിക്കുന്നതിനാൽ എഡ്ജ് കേസുകൾ കണ്ടെത്തുന്നത് ബുദ്ധിമുട്ടാണ്. AI-യോട് ചോദിക്കുക "ഒരു കളിക്കാരൻ ഈ സിസ്റ്റം തകർക്കാൻ ആഗ്രഹിക്കുന്നുവെങ്കിൽ എന്ത് ശ്രമിക്കും?" ചൂഷണങ്ങളും എഡ്ജ് കേസുകളും ലിസ്റ്റ് ചെയ്യുക.

ഓട്ടോമാറ്റിക് ടെസ്റ്റിംഗ്: ആവർത്തനം മെഷീനിലേക്ക് വിടുക

എല്ലാ റിലീസുകളിലും ഒരേ കാര്യങ്ങൾ സ്വമേധയാ പരീക്ഷിക്കുന്നത് മടുപ്പിക്കുന്നതും പിശക് സാധ്യതയുള്ളതുമാണ്. ഓട്ടോമേറ്റഡ് ടെസ്റ്റിംഗ് ഈ ചെക്കുകളെ കോഡിൽ ഉൾപ്പെടുത്തുന്നു: ഒരു ഫംഗ്‌ഷൻ വിളിക്കുമ്പോഴെല്ലാം ശരിയായ ഫലം നൽകുന്നുണ്ടോ, ഇത് പ്രതീക്ഷിച്ച അവസ്ഥയിലുള്ള ഒരു സിസ്റ്റമാണ്. യൂണിറ്റി, അൺറിയൽ ഓഫർ ടെസ്റ്റിംഗ് ചട്ടക്കൂടുകൾ; ഈ ടെസ്റ്റുകൾ എഴുതുന്നതിൽ AI അതിവേഗമാണ്. റിഗ്രഷനിൽ ഇത് പ്രത്യേകിച്ചും വിലപ്പെട്ടതാണ്: ഒരു മാറ്റം മുമ്പ് പ്രവർത്തിച്ചിരുന്ന എന്തെങ്കിലും തകരാറിലായാൽ, പരിശോധന ചുവപ്പായി മാറുന്നു. AI നിർമ്മിക്കുന്ന ടെസ്റ്റുകൾ അവലോകനം ചെയ്യുക, യഥാർത്ഥത്തിൽ അർത്ഥവത്തായത് എന്താണെന്ന് അവർ പരിശോധിക്കുന്നുവെന്ന് ഉറപ്പാക്കുക - ഒരു ശൂന്യമായ ടെസ്റ്റ് ഒരു ടെസ്റ്റിനേക്കാൾ മോശമാണ്.

മുന്നറിയിപ്പ്: ഡീബഗ്ഗിംഗിൽ, AI ചിലപ്പോൾ ഒരു "സാധ്യതയുള്ള കാരണമായി" (ഭ്രമാത്മകത) ഒരു നിർമ്മിത വിശദീകരണം നൽകുന്നു. AI നിങ്ങളോട് പറഞ്ഞതുകൊണ്ട് മാത്രം ഒരു ബഗിൻ്റെ കാരണം അംഗീകരിക്കരുത്; ലോഗിംഗ്, പുനർനിർമ്മാണം, പരിശോധന എന്നിവയിലൂടെ കാരണം തെളിയിക്കുക. തെറ്റായ രോഗനിർണയം ശരിയായത് കണ്ടെത്തുന്നതിൽ കാലതാമസം വരുത്തുന്നു.

പുനരുൽപാദനം: ഡീബഗ്ഗിംഗിൻ്റെ ഹൃദയം

ഒരു ബഗ് പരിഹരിക്കുന്നതിനുള്ള ആദ്യത്തെ ആവശ്യകത അത് വിശ്വസനീയമായി പുനർനിർമ്മിക്കുക എന്നതാണ്. "ചിലപ്പോൾ സംഭവിക്കുന്നു" എന്ന് വിവരിച്ചിരിക്കുന്ന ഒരു ബഗ് പരിഹരിക്കാൻ കഴിയില്ല, കാരണം ഫിക്സ് പ്രവർത്തിച്ചിട്ടുണ്ടോ എന്ന് നിങ്ങൾക്ക് പരിശോധിക്കാൻ കഴിയില്ല. അതിനാൽ, ഡീബഗ്ഗിംഗിൻ്റെ ഏറ്റവും മൂല്യവത്തായ ജോലി, ബഗ് സംഭവിക്കുന്ന കൃത്യമായ അവസ്ഥകൾ ചുരുക്കുകയാണ് (ഏത് ഘട്ടങ്ങൾ, ഏത് സാഹചര്യം, ഏത് സമയം). ഇത് ചുരുക്കാൻ AI സഹായിക്കുന്നു: നിങ്ങൾക്ക് ലക്ഷണങ്ങളും ഭാഗിക പുനരുൽപ്പാദന ഘട്ടങ്ങളും നൽകുകയും "ഈ സ്വഭാവത്തിന് കാരണമായേക്കാവുന്ന വ്യവസ്ഥകളും സങ്കുചിത തന്ത്രങ്ങളും നിർദ്ദേശിക്കുക" എന്ന് പറയുകയും ചെയ്യാം. എന്നാൽ നിങ്ങൾ യഥാർത്ഥത്തിൽ ഗെയിം പ്രവർത്തിപ്പിക്കുന്നതിലൂടെ ഇടുങ്ങിയതാക്കുന്നു; AI അനുമാനങ്ങൾ സൃഷ്ടിക്കുന്നു, നിങ്ങൾ അവ ഇല്ലാതാക്കുന്നു.

പ്രത്യേകിച്ച് സമയവുമായി ബന്ധപ്പെട്ട (റേസ് അവസ്ഥ) മെമ്മറി അവസ്ഥയുമായി ബന്ധപ്പെട്ട പിശകുകൾ വഞ്ചനാപരമാണ്; ഇവ ഒരു പ്രത്യേക ശ്രേണിയിലോ ലോഡിലോ മാത്രമേ ഉണ്ടാകൂ. അത്തരം പിശകുകൾക്കായി, ലോഗിലേക്ക് ടൈംസ്റ്റാമ്പും സ്റ്റാറ്റസ് വിവരങ്ങളും ചേർക്കുന്നത് നിർണായകമാണ്; AI-ക്ക് ഈ സമ്പന്നമായ ലോഗ് വിശകലനം ചെയ്യാനും പാറ്റേൺ കാണാനും കഴിയും ("ഈ രണ്ട് സംഭവങ്ങളും അടുത്തിടെ സംഭവിക്കുമ്പോൾ എല്ലായ്പ്പോഴും പിശക് സംഭവിക്കുന്നു"). ഡീബഗ്ഗിംഗിൻ്റെ സുവർണ്ണ നിയമം ഓർക്കുക: ആദ്യം മനസ്സിലാക്കുക, തുടർന്ന് പരിഹരിക്കുക. മനസ്സിലാക്കാതെയുള്ള തിരുത്തൽ തെറ്റ് മറയ്ക്കുന്നു, പക്ഷേ അത് പരിഹരിക്കുന്നില്ല, പലപ്പോഴും മറ്റെവിടെയെങ്കിലും ഒരു പുതിയ പിശക് സൃഷ്ടിക്കുന്നു.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - എഡ്ജ് കേസ് വേട്ട. ഒരു ആർപിജിയിൽ, ടീം ഇൻവെൻ്ററി സിസ്റ്റം "സാധാരണ" ഗെയിംപ്ലേയിൽ പരീക്ഷിച്ചു, അത് ഉറച്ചതാണെന്ന് കരുതി. "ഈ ഇൻവെൻ്ററി തകർക്കാൻ ശ്രമിക്കുക" എന്ന് AI പറയുകയും 30 എഡ്ജ് കേസ് സാഹചര്യങ്ങൾ സൃഷ്ടിക്കുകയും ചെയ്തു; ഇതിൽ 4 എണ്ണം ശരിയായ പിശകുകളാണ് (0 ഭാരമുള്ള ഇനം വിഭജനം, ഒരേസമയം ഡിസ്പോസിബിൾ). പ്രസിദ്ധീകരിക്കുന്നതിന് മുമ്പ് തിരുത്തി.

കേസ് 2 - ലോഗ് വിശകലനം ക്രാഷ് പരിഹരിച്ചു. ഒരു ഗെയിം ക്രമരഹിതമായി തകർന്നു; ക്രാഷ് ലോഗുകൾ നൂറുകണക്കിന് ലൈനുകളായിരുന്നു. AI-ക്ക് ലോഗുകൾ നൽകുകയും പാറ്റേൺ ആവശ്യപ്പെടുകയും ചെയ്തപ്പോൾ, ക്രാഷ് എല്ലായ്പ്പോഴും ഒരു പ്രത്യേക സീൻ ട്രാൻസിഷനിലും കുറഞ്ഞ മെമ്മറിയിലുമാണ് സംഭവിച്ചതെന്ന് വെളിപ്പെടുത്തി. ഈ സൂചനയോടെ, പ്രോഗ്രാമർ മെമ്മറി ലീക്ക് കണ്ടെത്തി; ക്രാഷ് റേറ്റ് പൂജ്യമായി കുറഞ്ഞു.

കേസ് 3 - തെറ്റായ രോഗനിർണയത്തിൽ നിന്ന് മടങ്ങുക. ഒരു പ്രോഗ്രാമർ AI യുടെ വിശദീകരണം വിശ്വസിച്ചു, "ഈ പിശക് ഈ ഫംഗ്‌ഷൻ മൂലമാണ് സംഭവിച്ചത്", അത് പകുതി ദിവസത്തേക്ക് ടിങ്കർ ചെയ്തു; ഫലങ്ങളൊന്നും പുറത്തുവന്നില്ല. അദ്ദേഹം വീണ്ടും പ്രൊഡക്ഷൻ സ്റ്റെപ്പുകൾ വ്യക്തമാക്കി ലോഗിൻ ചെയ്തപ്പോൾ, പിശക് തികച്ചും വ്യത്യസ്തമായ സ്ഥലത്തായിരുന്നു. പാഠം: AI-യുടെ ഡയഗ്നോസ്റ്റിക്സ് അനുമാനങ്ങളാണ്, തെളിവല്ല.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) എഡ്ജ് കേസ്/ചൂഷണ സാഹചര്യം സൃഷ്ടിക്കൽ:

നിങ്ങളുടെ റോൾ: ക്ഷുദ്രകരമായ QA ടെസ്റ്റർ. ഞാൻ ഇനിപ്പറയുന്ന സിസ്റ്റം വിവരിക്കുന്നു: [സിസ്റ്റം, നിയമങ്ങൾ]. ടാസ്‌ക്: ഈ സിസ്റ്റം തകർക്കാനോ ചൂഷണം ചെയ്യാനോ അല്ലെങ്കിൽ ഒരു അപ്രതീക്ഷിത അവസ്ഥയിലേക്ക് തള്ളാനോ ശ്രമിക്കുന്ന 20 എഡ്ജ് കേസ് സാഹചര്യങ്ങൾ ലിസ്റ്റ് ചെയ്യുക. ഓരോന്നിനും: എന്താണ് ശ്രമിക്കേണ്ടത്, പ്രതീക്ഷിച്ച ഫലം, സാധ്യമായ പിശക്.

2) ഓട്ടോമേറ്റഡ് ടെസ്റ്റ് റൈറ്റിംഗ്:

എഞ്ചിൻ: [യൂണിറ്റി 2022.3 / അൺറിയൽ 5.3]. ടെസ്റ്റ് ചട്ടക്കൂട്: [വ്യക്തമാക്കുക]. ഇനിപ്പറയുന്ന ഫംഗ്‌ഷൻ/സിസ്റ്റത്തിനായി ഓട്ടോമേറ്റഡ് ടെസ്റ്റുകൾ എഴുതുക: [വിവരണം/കോഡ്]. സാധാരണ കേസ്, ലിമിറ്റ് കേസ്, തെറ്റായ ഇൻപുട്ട് എന്നിവ ഉൾപ്പെടുത്തുക. ഓരോ ടെസ്റ്റും ശരിക്കും അർത്ഥവത്തായ എന്തെങ്കിലും പരിശോധിച്ചുറപ്പിക്കുന്നുണ്ടെന്ന് ഉറപ്പാക്കുക; ശൂന്യമായ/അർഥരഹിതമായ പരീക്ഷകൾ എഴുതുന്നു.

3) ലോഗ്/ക്രാഷ് വിശകലനം:

ഗെയിമിൻ്റെ ക്രാഷ്/പിശക് ലോഗുകൾ ചുവടെയുണ്ട്: [ലോഗ്]. ടാസ്ക്: ആവർത്തിച്ചുള്ള പാറ്റേണുകൾ, പൊതുവായ അവസ്ഥകൾ (ദൃശ്യം, മെമ്മറി, സമയം), സാധ്യമായ മൂലകാരണങ്ങൾ എന്നിവ അടയാളപ്പെടുത്തുക. ഓരോ കാരണവും "തെളിയിക്കേണ്ട ഒരു സിദ്ധാന്തമായി" അവതരിപ്പിക്കുക; വ്യക്തമായി സംസാരിക്കുക. എങ്ങനെ വെരിഫൈ ചെയ്യാമെന്നും പറയൂ.

4) ബഗ് റിപ്പോർട്ട് വ്യക്തത:

ഇനിപ്പറയുന്ന അവ്യക്തമായ പിശക് റിപ്പോർട്ട് വ്യക്തവും പുനർനിർമ്മിക്കാവുന്നതുമാക്കുക: [റോ റിപ്പോർട്ട്]. ഔട്ട്പുട്ട്: ശീർഷകം, ഘട്ടം ഘട്ടമായുള്ള പുനർനിർമ്മാണം, പ്രതീക്ഷിച്ച ഫലം, യഥാർത്ഥ ഫലം, ആവൃത്തി, പരിസ്ഥിതി. നഷ്‌ടമായ വിവരങ്ങൾ ഉണ്ടെങ്കിൽ, ആവശ്യമായ വിവരങ്ങൾ പട്ടികപ്പെടുത്തുക.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

എൻ്റെ ഗെയിമിൽ ഒരു ബഗ് ഉണ്ട്, അത് പരിഹരിക്കുക.

സന്ദർഭമില്ല, രേഖയില്ല, പുനർനിർമ്മാണമില്ല; AI പ്രവചനാതീതമാണ്, ഭ്രമാത്മകതയ്ക്കുള്ള സാധ്യത കൂടുതലാണ്.

ശക്തമായ നിർദ്ദേശം:

എൻ്റെ യൂണിറ്റി 2022.3 ഗെയിമിൽ ഒരു ബഗ് ഉണ്ട്: കളിക്കാരൻ പെട്ടെന്ന് സേവ്-ലോഡ് ചെയ്യുമ്പോൾ ഇൻവെൻ്ററി ചിലപ്പോൾ ഇരട്ടിയാകും. പുനർനിർമ്മാണം: [ഘട്ടങ്ങൾ]. അനുബന്ധ കോഡ്: [ഒട്ടിക്കുക]. ലോഗ്: [ഒട്ടിക്കുക]. ടാസ്‌ക്: തെളിയിക്കപ്പെടേണ്ട അനുമാനങ്ങളായി സാധ്യമായ മൂലകാരണങ്ങൾ പട്ടികപ്പെടുത്തുക, ഓരോന്നിനും എങ്ങനെ പരിശോധിക്കാമെന്നും സാധ്യമായ പരിഹാരം നൽകാമെന്നും നൽകുക. നിലവിലില്ലാത്ത ഒരു കാരണം ഉണ്ടാക്കുക; നിങ്ങൾക്ക് ഉറപ്പില്ലെങ്കിൽ, എന്നെ അറിയിക്കുക.

പുനർനിർമ്മാണം, കോഡ്, ലോഗ്, "ഹൈപ്പോഥെസിസ് ആയി അവതരിപ്പിക്കുക" അഭ്യർത്ഥന എന്നിവ രോഗനിർണയത്തെ വിശ്വസനീയമാക്കുന്നു.

QA ലെയർ പട്ടിക

പാളി

ഇത് എന്താണ് പരീക്ഷിക്കുന്നത്?

AI സംഭാവന

മനുഷ്യ വിഹിതം

പ്രവർത്തനക്ഷമമായ

ഫീച്ചർ പ്രവർത്തിക്കുന്നുണ്ടോ?

സ്ക്രിപ്റ്റ്, ടെസ്റ്റ് കോഡ്

പ്രവേശന തീരുമാനം

റിഗ്രഷൻ

പഴയത് തകർന്നോ?

ഓട്ടോമാറ്റിക് ടെസ്റ്റ്

സ്കോപ്പ് തീരുമാനം

അങ്ങേയറ്റത്തെ കേസ്

അസാധാരണമായ ഇൻപുട്ട്

സ്ക്രിപ്റ്റ് നിർമ്മാണം

മുൻഗണന

ക്രാഷ്/പ്രകടനം

ദൃഢനിശ്ചയം

ലോഗ് വിശകലനം

മൂലകാരണ സ്ഥിരീകരണം

അനുഭവം

വിനോദം, അവബോധം

പരിമിതപ്പെടുത്തിയിരിക്കുന്നു

പൂർണ്ണമായും മനുഷ്യൻ

സാധാരണ തെറ്റുകൾ

• "സാധാരണ" ഗെയിംപ്ലേ പരിശോധിക്കുന്നു. റിലീസിന് ശേഷം എഡ്ജ് കേസുകൾ പൊട്ടിത്തെറിക്കുന്നു.
• AI രോഗനിർണയം തെളിവായി തെറ്റിദ്ധരിക്കുന്നു. എന്തുകൊണ്ടാണ് ലോഗും പരിശോധനയും വഴി തെളിയിക്കപ്പെട്ടിരിക്കുന്നത്.
• ശൂന്യമായ ഓട്ടോമേറ്റഡ് ടെസ്റ്റുകൾ എഴുതുന്നു. അർത്ഥമില്ലാത്ത പരിശോധന ആത്മവിശ്വാസത്തിൻ്റെ മിഥ്യാധാരണ നൽകുന്നു.
• അവ്യക്തമായ ബഗ് റിപ്പോർട്ട്. പുനർനിർമ്മിക്കാനാവാത്ത പിശക് തിരുത്താൻ കഴിയില്ല.
• റിഗ്രഷൻ ടെസ്റ്റിംഗ് ഒഴിവാക്കുന്നു. ഓരോ തിരുത്തലും പുതിയ തെറ്റുകൾ വരുത്തിയേക്കാം.

ചുരുക്കത്തിൽ

ക്യുഎ എന്നത് കളിക്കാരന് ഗെയിം തയ്യാറാക്കുന്ന അച്ചടക്കമാണ്. AI; എഡ്ജ് കേസ് സാഹചര്യങ്ങൾ സൃഷ്ടിക്കുന്നു, ഓട്ടോമേറ്റഡ് ടെസ്റ്റുകൾ എഴുതുന്നു, ലോഗുകൾ വിശകലനം ചെയ്യുന്നു, പിശക് റിപ്പോർട്ടുകൾ വ്യക്തമാക്കുന്നു. എന്നാൽ അവരുടെ രോഗനിർണ്ണയങ്ങൾ അനുമാനങ്ങളാണ്, അനുഭവത്തിൻ്റെ വിലയിരുത്തൽ മാനുഷികമാണ്, ഓരോ തിരുത്തലിനും വീണ്ടും പരിശോധന ആവശ്യമാണ്. "ആർക്കൊക്കെ ഇത് തകർക്കാനാകും, എങ്ങനെ" എന്ന റിഫ്ലെക്സ് AI ഉപയോഗിച്ച് ആവർത്തിക്കുക; നിങ്ങൾ തെളിവുകൾ ശേഖരിക്കുക.

ആപ്ലിക്കേഷൻ ടാസ്ക്

നിങ്ങളുടെ ഗെയിമിൽ നിന്ന് ഒരു സിസ്റ്റം തിരഞ്ഞെടുക്കുക. "എഡ്ജ് കേസ്/ചൂഷണ സാഹചര്യം ജനറേഷൻ" ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് 20 സാഹചര്യങ്ങൾ സൃഷ്ടിച്ച് യഥാർത്ഥത്തിൽ ഏറ്റവും അപകടകരമായ 5 പരീക്ഷിക്കുക. "ബഗ് റിപ്പോർട്ട് റിഫൈൻമെൻ്റ്" ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് നിങ്ങൾ കണ്ടെത്തുന്ന ഒരു ബഗിനായി പുനർനിർമ്മിക്കാവുന്ന ഒരു റിപ്പോർട്ട് സൃഷ്ടിക്കുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] "ആർക്കൊക്കെ ഇത് തകർക്കാൻ കഴിയും, എങ്ങനെ?" എന്ന ഒരു എഡ്ജ് കേസ് ഞാൻ സൃഷ്ടിച്ചു.
• ആവർത്തിച്ചുള്ള പരിശോധനകൾക്കായി ഓട്ടോമേറ്റഡ് ടെസ്റ്റിംഗ് എഴുതുകയും അവലോകനം ചെയ്യുകയും ചെയ്തു.
• [ ] ഞാൻ AI രോഗനിർണയം ഒരു സിദ്ധാന്തമായി കണക്കാക്കുകയും ലോഗ്/ടെസ്റ്റ് ഉപയോഗിച്ച് അത് തെളിയിക്കുകയും ചെയ്തു.
• [ ] ഞാൻ തെറ്റുകൾ ആവർത്തിച്ച് റിപ്പോർട്ട് ചെയ്തു.
• [ ] റിഗ്രഷനുള്ള ഓരോ ഫിക്സും ഞാൻ വീണ്ടും പരീക്ഷിച്ചു.